混合无线传感器网络节点覆盖优化

为了解决混合无线传感器网络的节点覆盖率低的问题,提出了改进粒子群的混合无线传感器网络节点覆盖迭代优化算法.在该算法中,首先将混合无线传感器网络节点覆盖模型转化为在网络系统中动态的求覆盖率最大值的节点部署位置寻优问题;然后提出利用改进粒子群算法对节点覆盖优化方案进行粒子及其权值映射,并依据粒子粒距聚类度和粒子信息熵对粒子权值进行调整,再依据粒子适应度值对粒子局部最优值和全局最优值进行更新;最后迭代地对粒子的位置和速度进行计算,输出具有最优覆盖率的节点部署方案.仿真结果证明,该算法能够有效的提升网络覆盖率,且算法的收敛速度快.     

无线传感网络移动节点位置并行微粒群优化策略

网络节点位置优化是无线传感网络研究的核心问题之一.无线传感网络通常由固定节点和少量移动节点构成,传统的虚拟力导向算法无法解决固定节点对移动节点优化的约束.该文针对这一问题,提出了基于并行微粒群算法的优化策略.微粒群算法具有适于解决连续空间多维函数优化问题、能快速收敛至全局最优解的特点.并行框架提高了算法的运行效率,降低了算法的运算复杂度,使算法能够满足无线传感网络的需求.通过并行微粒群算法搜索不同状态下无线传感节点的最优位置,使无线传感网络能够利用移动节点实现网络结构的动态重组,最大化网络覆盖范围,提高网络测量可靠性.实验证明,并行微粒群优化策略能快速有效地实现无线传感网络移动节点位置优化.     

基于粒子群算法的混合无线传感网覆盖优化

为优化混合传感网络覆盖性能,基于粒子群算法提出一种优化策略,并通过引进扰动因子,有效地避免了算法陷入早熟陷阱,加速了算法收敛。通过仿真实验,验证了该优化算法能够有效地提高网络覆盖性能,并与最新的算法进行了比较。     

基于改进粒子群的无线传感网络覆盖优化方法

常规的无线传感网络覆盖方法一般采用三角划分策略,存在覆盖节点分布不均匀、覆盖范围有限、覆盖率较低等不足,具有较大的局限性。针对此问题,引入改进粒子群算法,提出一种全新的覆盖优化方法。首先,设计无线传感网络区域覆盖,使传感器节点均匀覆盖在整个待监测物体所在区域;其次,建立节点感知模型,实时反映像素点与无线传感器节点距离的动态变化;最后,设计基于改进粒子群的覆盖优化算法,实现无线传感网络覆盖率最大化的目标。实验结果表明,所提方法能够显著提高网络区域覆盖率,覆盖率均在96%以上,全局覆盖优化能力较强。     

无线传感网络交叉覆盖节点路由删除仿真研究

针对无线传感网络中节点的覆盖范围较小,删除无用路由所用时间较长,导致网络覆盖率低和路由删除效率低的问题,提出无线传感网络交叉覆盖节点路由删除方法。建立节点覆盖模型,在节点覆盖模型的基础上将无线传感网络的覆盖率和连通性当做综合评价函数,构建无线传感网络交叉覆盖节点优化布局的数学模型,并采用罚函数结合无约束优化模型代替传统约束优化模型。运用自适应遗传算法求解无约束优化模型,实现无线传感网络中交叉覆盖节点的优化布局,进而删除无线传感网络中存在的无用路由。分析实验结果得出,所提方法的网络覆盖率高、路由删除效率高,说明所提方法实际应用性强。     

基于多策略改进蝴蝶优化算法的无线传感网络节点覆盖优化

针对无线传感网络（WSN）的节点覆盖存在着覆盖率低、节点分布不均匀的问题,提出一种基于多策略改进的蝴蝶优化算法（MIBOA）的节点覆盖优化策略。首先,将基础的蝴蝶优化算法（BOA）与麻雀搜索算法（SSA）结合改进搜索过程;其次,引入自适应权重系数提高寻优精度和收敛速度;最后,对当前最优个体进行柯西变异扰动,提高算法鲁棒性。基准测试函数的寻优实验结果说明,MIBOA基本可在3 s内求解测试函数最优值,且收敛平均值精度较BOA提高了97.96%。将MIBOA应用于WSN节点覆盖优化问题,与BOA和SSA相比,节点覆盖率至少提高了3.63个百分点;与改进灰狼优化算法（IGWO）相比,部署时间缩短了145.82 s;与改进鲸群优化算法（IWOA）相比,节点覆盖率提高了0.20个百分点且时间缩短了1 112.61 s。综上,MIBOA可较好提高节点覆盖率并降低冗余覆盖率,有效延长WSN的生存时间。     

网络节点覆盖优化仿真研究

为了提高无线传感器网络节点的覆盖率,延长网络生存时间,在分析基本粒子群优化算法缺陷的基础上,提出一种逃逸粒子群算法的网络节点覆盖优化方法.首先以网络覆盖率作为优化目标,然后采用逃逸粒子群算法进行求解,求解过程中,引入遗传算法交叉机制保持粒子群的多样性,防止“早熟”现象出现,并采用动量算法对粒子搜索轨迹进行平滑,加快收敛速度,最后通过仿真测试算法的性能.仿真结果表明,逃逸粒子群算法克服了基本粒子群算法存在的覆盖率低的缺陷,获得了更好无线传感器网络节点覆盖率优化效果.     

基于粒子群算法的无线传感网络中继节点选择策略

针对无线传感网络中继节点没有固定的能量供应,导致无线传感网络数据传输速率较低、吞吐量较小的问题,提出基于粒子群算法的无线传感网络中继节点选择策略方法。构建无线传感网络系统模型,根据模型得出网络中每个位置中继节点的作用,同时收集所有中继节点构成中继节点集,保证中继节点的选择策略具有多样性;根据节点能量和信噪比加权得出中继节点的选取准则,并在粒子群算法的帮助下不断更新中继节点的选取结果,得出全局最优中继节点策略,实现无线传感网络中继节点选择。仿真结果表明,所提方法的数据传输延时平均为1.81ms,均方根误差平均值为1.29,及吞吐量最大值为260op/s。     

无线传感网络覆盖的粒子进化优化策略研究

为了实现网络覆盖范围的最大化,延长网络寿命,本文在粒子进化的多粒子群算法的基础上提出了一种无线传感网络覆盖优化策略.通过多种群并行搜索,采取粒子进化理论使陷入局部最优的粒子迅速跳出,有效地避免了基本粒子群算法容易出现的"早熟"问题,提高了算法的稳定性.通过仿真实验分析了节点感知半径对覆盖性能指标的影响.覆盖率和收敛速度随着感知半径的增大逐渐增大和加快.仿真实验结果表明粒子进化的多粒子群优化策略比基本粒子群算法、传统遗传算法和新量子遗传算法具有更好的覆盖优化效果.     

楼字中火灾监测无线传感节点覆盖算法研究

该文介绍了无线传感网络在智能楼宇中的应用,详细分析了基于无线传感网络的楼宇火灾监测预警系统的系统结构,并从数学角度论证了一种在楼宇环境内应用的无线传感网络节点高效覆盖算法,有效地解决了冗余覆盖问题。     

基于MPSO-DV-Hop的无线传感器节点定位

节点定位技术是无线传感器网络的关键技术,为减小DV-Hop算法的节点定位误差,提出一种多子群粒子群（MPSO）算法优化DV-Hop的节点定位算法（MPSO-DV-Hop）。通过设置门限值修正节点间的跳数,提高了跳段距离估算精度,DV-Hop的第3阶段引入MPSO算法,对节点定位误差进行校正,通过引入多子群加快算法收敛速度,提高DV-Hop算法的节点定位精度,在MATLAB2008平台上对算法仿真分析。结果表明,MPSO-DV-Hop算法在不增加成本情况下,提高了传感器的节点定位精度,具有较高的应用价值。     

基于PSO的无线传感网络节点定位算法

研究稀疏无线传感网络下异常节点的准确定位问题。在信息较少的空旷区域,无线传感网络的传感节点分布较为稀松,为方便计算,多采用多跳距离代替节点间的真实距离,导致距离计算存在较大误差,在传统的基于分布式加权距离定位算法建立的网络分布模型中,节点定位准确度低,导致节点定位误差较大。为了解决上述问题,提出了一种粒子群优化的多维标度节点定位算法。采用多维标度算法求得各未知节点的初始坐标,利用粒子群优化算法对其目标代价函数进行优化求得未知节点的真实距离坐标,准确定位节点。实验结果表明:改进算法在定位精度上有明显的提高。     

无线传感网络节点信号模型

无线传感网络是集成了嵌入系统、无线通信、分布计算、微传感器技术的新型网络。无线传感网络节点是构成WSN的基础。为了解无线传感网络节点的工作原理,描述无线传感网络节点的理论,通过分析无线传感网络节点的组成和信号处理过程,研究了无线传感网络节点的信号模型。并给出了基于Atmega128L处理器的无线传感网络节点实际模型。研究为无线传感网络节点的理论和实际应用提供了积极的意义。     

无线传感器网络正六边形节点覆盖模型研究

定义感知覆盖、通信覆盖和连通覆盖3个基本概念,并给出它们的物理模型和数学模型。提出二维区域上的正六边形节点覆盖模型,证明该模型是重复最少的无漏洞覆盖模型。分析基于正六边形节点覆盖模型的二维区域覆盖,当节点发射半径大于或等于 倍感知半径时,可保证网络的通信覆盖和连通覆盖的最少邻居节点数为6,节点感知覆盖率为82.7%。研究结果表明,正六边形节点覆盖模型更适于二维区域覆盖。     

无线传感器网络节点覆盖优化策略研究

无线传感器网络是一种多学科交叉、高度集成的技术,具有成本低、操作便捷、具有一定的感知通信能力等优势,已广泛应用在各个领域的环境监测中。然而在农林、野外等三维环境中,无线传感器的空间覆盖问题一直是研究的热点、难点,理想的二维平面环境中,无线传感器网络的性能、覆盖范围与三维环境截然不同。基于此,提出一种符合三维场景覆盖感知的无线传感器网络模型及算法。     

无线视频传感节点夹角完全覆盖优化模型

针对无线传感网络中视频传感节点的部署问题,形式化定义了一个（k,ω）-夹角完全覆盖问题,为用最少的传感节点去（k,ω）-夹角完全覆盖所有的目标,提出了一个两阶段混合整数线性规划算法来解决传感节点的部署。仿真实验结果显示提出的算法相较于整数线性规划算法和二元整数规划算法,确实能够实现用更少的传感节点完全覆盖所有监控区域的目标。     

无线传感器网络中基于邻居节点信息的溯源追踪策略

在无线传感器网络中,被俘获的恶意节点可以发动虚假数据注入攻击,即不断发布虚假数据耗尽网络资源,为应对此类型攻击需快速追踪定位到攻击节点,提出一种基于邻居节点信息的溯源追踪策略.在本策略中,每个节点保存两跳邻居节点信息,通过单向链密钥对发送数据包节点进行认证,避免了恶意节点伪造其他节点身份发送数据,相互通信的两个节点及其共同邻居节点记录接收到的数据包特征信息,当网络中存在虚假数据注入攻击时,因途中转发节点的邻居节点都存储有数据包的特征信息,Sink节点可以依据此类信息逐跳溯源追踪至攻击节点,因为利用了传感器节点的部分存储空间,本方法不需要收集大量攻击数据包便可定位攻击节点,同时,本方法的特性保证了溯源追踪过程不受路由变化的影响,更加健壮.理论分析和实验结果都表明该策略不仅能以较高的效率定位到恶意节点,而且能容忍路由的动态变化且能够应对合谋攻击.     

基于差分演化和粒子群优化的改进WSN覆盖算法

动态部署传感器节点随机性大,无法保证特定目标区域的覆盖质量,引入智能优化算法后有效提高了节点动态部署的质量,但一般的智能优化算法在动态部署时存在“早熟”等缺陷。为了进一步提高节点动态部署的质量,针对节点的覆盖问题进行研究,结合粒子群优化和差分演化的优点,前期用粒子群优化算法,发挥粒子群擅长前期搜索收敛较快的特点,后期用差分演化算法,发挥差分演化擅长局部搜索的特点,这样取双方所长,克服双方所短,从而使算法有更好的搜索能力。仿真结果表明,本文提出的算法相对于改良惯性权重的粒子群算法、结合虚拟力的粒子群算法以及基本差分演化算法,具有更好的搜索能力,优化后的网络覆盖率更高。     

基于粒子群算法的WSN覆盖优化

为了提高无线传感器网络性能,针对节点的分布与覆盖方案进行了研究,将拟物力算法中的拟万有引力和拟库仑力与粒子群算法相结合,提出了一种基于惯性权重的拟物粒子群算法。增强了算法全局搜索能力,更快地收敛至全局最优解,减少算法时耗和重复覆盖。仿真结果证明新的算法比基本粒子群和基于惯性权重的标准粒子群算法的全局收敛速度更快,覆盖率更高,重复覆盖的比率更低。     

改进的蚁群算法网络节点覆盖优化研究

研究无线网络节点覆盖优化问题,由于传感器网络节点冗余和供电能量限制,影响网络的生命周期.针对当前传感器网络存在的热区问题,导致求解困难,提出一种将蚁群算法运用到无线传感器网络节点最优覆盖问题上.充分利用了蚁群优化算法的优点,算法首先对网络中的节点进行非均匀部署,将信息素放置在传感器网络节点上,每个节点赋予两个信息素,分别指示该节点两个不同的信息量.在算法中设置了有效的启发式信息以引导蚂蚁的搜索行为.蚂蚁将根据信息素和启发式信息决定使用哪些节点进行覆盖,进行建立求解模型,将模型变为简单的线性规划问题.仿真结果表明,当前经典的网络节点覆盖算法相比,算法提高网络覆盖率、降低了网络能耗,并对优化网络节点覆盖.